Árvore de decisão

Objetivo

O dataset Customer Churn – reúne dados de clientes de uma operadora de telecom com o objetivo: prever se o cliente vai cancelar (Churn) ou permanecer.

Descrição das colunas (dicionário de dados)

customerID: ID do cliente

Gender: Gênero do cliente (feminino, masculino)

SeniorCitizen: Se o cliente é idoso ou não (1, 0)

Partner: Se o cliente tem cônjuge/parceiro (Sim, Não)

Dependents: Se o cliente possui dependentes (Sim, Não)

Tenure: Número de meses que o cliente permaneceu na empresa

PhoneService: Se o cliente possui serviço de telefonia (Sim, Não)

MultipleLines: Se o cliente possui múltiplas linhas (Sim, Não, Sem serviço de telefonia)

InternetService: Provedor de internet do cliente (DSL, Fibra óptica, Sem internet)

OnlineSecurity: Se o cliente possui segurança online (Sim, Não, Sem serviço de internet)

OnlineBackup: Se o cliente possui backup online (Sim, Não, Sem serviço de internet)

DeviceProtection: Se o cliente possui proteção de dispositivos (Sim, Não, Sem serviço de internet)

TechSupport: Se o cliente possui suporte técnico (Sim, Não, Sem serviço de internet)

StreamingTV: Se o cliente possui streaming de TV (Sim, Não, Sem serviço de internet)

StreamingMovies: Se o cliente possui streaming de filmes (Sim, Não, Sem serviço de internet)

Contract: Tipo de contrato do cliente (Mês a mês, Um ano, Dois anos)

PaperlessBilling: Se o cliente utiliza fatura digital (Sim, Não)

PaymentMethod: Método de pagamento do cliente (Cheque eletrônico, Cheque enviado, Transferência bancária — automática, Cartão de crédito — automático)

MonthlyCharges: Valor cobrado mensalmente do cliente

TotalCharges: Valor total cobrado do cliente

Churn: Se o cliente cancelou (Sim ou Não)

Pré Processamento

1) padronização de tipos

Normalização de TotalCharges para numérico

2) Tratamento de valores faltantes

Numéricos (tenure, MonthlyCharges, TotalCharges): imputação pela mediana.

Categóricos (gender, Partner, Dependents, PhoneService, MultipleLines, InternetService, OnlineSecurity, OnlineBackup, DeviceProtection, TechSupport, StreamingTV, StreamingMovies, Contract, PaperlessBilling, PaymentMethod, Churn): imputação pela moda (valor mais frequente).

customerID	gender	SeniorCitizen	Partner	Dependents	tenure	PhoneService	MultipleLines	InternetService	OnlineSecurity	OnlineBackup	DeviceProtection	TechSupport	StreamingTV	StreamingMovies	Contract	PaperlessBilling	PaymentMethod	MonthlyCharges	TotalCharges	Churn
0899-WZRSD	Male	0	No	No	56	Yes	Yes	Fiber optic	Yes	No	No	Yes	Yes	Yes	Month-to-month	Yes	Mailed check	105.35	5794.45	No
7940-UQQUG	Female	0	Yes	Yes	64	Yes	Yes	Fiber optic	Yes	No	No	Yes	Yes	Yes	One year	Yes	Bank transfer (automatic)	104.4	6721.6	No
5394-MEITZ	Female	0	Yes	Yes	60	Yes	No	DSL	No	Yes	Yes	Yes	Yes	Yes	Two year	Yes	Bank transfer (automatic)	80.6	4946.7	No
2898-LSJGD	Female	0	Yes	Yes	21	No	No phone service	DSL	Yes	No	Yes	No	Yes	Yes	One year	Yes	Electronic check	55.95	1157.05	Yes
6258-NGCNG	Male	0	No	No	7	Yes	Yes	No	No internet service	No internet service	No internet service	No internet service	No internet service	No internet service	Month-to-month	No	Mailed check	23.5	173	No
0650-BWOZN	Female	1	No	No	18	Yes	No	Fiber optic	No	Yes	No	No	No	No	Month-to-month	Yes	Electronic check	73.55	1359.45	No
7693-LCKZL	Male	0	Yes	Yes	5	Yes	Yes	Fiber optic	No	Yes	No	No	No	No	Month-to-month	Yes	Electronic check	80.15	385	Yes
2612-RRIDN	Male	0	No	No	4	Yes	No	Fiber optic	No	No	No	No	Yes	No	Month-to-month	Yes	Electronic check	81	340.85	Yes
2599-CIPQE	Male	0	Yes	Yes	71	Yes	No	Fiber optic	Yes	Yes	Yes	Yes	Yes	Yes	Two year	No	Credit card (automatic)	109.3	7782.85	No
7879-CGSFV	Male	0	No	No	55	Yes	No	Fiber optic	Yes	Yes	No	No	Yes	Yes	One year	Yes	Mailed check	100.9	5552.05	No

Divisão de dados

Os dados foram divididos em 70% para treino e 30% para validação, com o objetivo de evitar overfitting e obter uma estimativa mais fiel de desempenho.

Feature Importances:

	Feature	Importance
18	TotalCharges	0.213633
17	MonthlyCharges	0.210126
14	Contract	0.165401
4	tenure	0.117384
8	OnlineSecurity	0.047010
16	PaymentMethod	0.036239
0	gender	0.026374
7	InternetService	0.025211
2	Partner	0.024761
15	PaperlessBilling	0.020355
1	SeniorCitizen	0.020015
3	Dependents	0.019258
6	MultipleLines	0.018562
13	StreamingMovies	0.013355
10	DeviceProtection	0.012722
11	TechSupport	0.011390
9	OnlineBackup	0.010068
12	StreamingTV	0.005640
5	PhoneService	0.002496

Accuracy: 0.73

Avaliação do modelo

O modelo teve accuracy de 74% no conjunto de validação. Para um accuracy maior é necessario análise das variáveis com maior correlação para serem utilizadas no treinamento do modelo